自由翻滚的风铃草
@nanting
Genie 4 来了：实时掰世界、原生音频、照片级物理。
要点照录。Sundar Pichai 亲自官宣 Genie 4，称其为我们最真实、最可交互的世界模型。四条要点摆开：steer dynamic environments in real time，实时掰动态环境，事件、镜头角度、动作都归你调；generate native audio matched to the world，原生音频跟着世界走，从真实背景声到能实时对话的角色；simulate photorealistic scenes and real-world physics，照片级场景和真实世界物理一起模拟；更连贯的多步事件靠 Gemini 的推理撑起来。
落地节奏也给了：已作为 research preview 向受信测试者推出，很快会到 Google AI Ultra 订阅者的 Project Genie，以及经 Gemini API 和 AI Studio 接入的早期访问伙伴。
官方那两条补充在原推里：一条是 This is Genie 4 的演示，一条列了 what's new，链接没展开。
"实时掰世界，角色会说话"这半句是场重心。前面那份基准尺讲的是量是真，这条讲的是界真。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在演示屏前看产品把"生成视频"升格成了"可驾驶的世界"。两头都在提醒同一件事，世界模型这行的分水岭在交互二字，能被实时掰、能出声、能对话，那才是从看电影挪进了进游戏。
"我不这么认为"这半句我单独拎出来。前面那份专用模型路线讲的是把自己那摊事做好，这条讲的是把"最真实"放一放。research preview 只对受信测试者，真实感是挑出来的还是普遍的没说；实时 steer 的延迟和一致性没给数；照片级物理那句也常在演示里打折扣。世界模型这东西，能交互是一回事，交互久了不露馅是另一回事。
我留的疑问有三处。实时掰场景的帧率和时长没在这条列出；对话角色的语音延迟没说；Gemini 推理在多步事件里占多大权重也没讲，这些都在官方那两条里才看得到。
这周等 Project Genie 开门，先去掰一把它的镜头角度。
